-
Partager cette page
ACTU-F506
Assurance non vie II
Titulaire(s) du cours
Julien TRUFIN (Coordonnateur)Crédits ECTS
5
Langue(s) d'enseignement
français
Contenu du cours
- Tarification a priori en assurance non-vie (GLM, GAM, Machine Learning).
- Théorie de la crédibilité (tarification a posteriori).
Objectifs (et/ou acquis d'apprentissages spécifiques)
- Maîtriser les techniques actuarielles utilisées pour la tarification a priori en assurance non-vie (GLM, GAM, Machine Learning).
- Maîtriser la théorie de la crédibilité utilisée pour la tarification a posteriori ainsi que dans le contexte des réserves en assurance non-vie.
Méthodes d'enseignement et activités d'apprentissages
Exposés oraux.
Contribution au profil d'enseignement
-
Acquérir la connaissance des modèles stochastiques utilisés en assurance.
-
Maîtriser les techniques de mathématiques actuarielles pour analyser et modéliser les risques.
-
Analyser avec rigueur et esprit critique un ensemble de données.
-
Choisir de façon adéquate les modèles et techniques actuarielles appropriés au problème considéré.
-
Analyser avec rigueur et esprit critique les résultats obtenus.
-
Réévaluer à la lumière des résultats obtenus la pertinence des modèles et techniques actuarielles utilisés.
-
Utiliser un langage clair et rigoureux.
-
Etre responsable de ses affirmations.
Références, bibliographie et lectures recommandées
- Bühlmann H. et Gisler A., A course in credibility theory and its applications, 2005, Springer.
- Charpentier A., Computational Actuarial Science with R, 2014, CRC Press.
- Denuit, M., Hainaut, D., Trufin, J. (2019). Effective Statistical Learning Methods for Actuaries I: GLM and Extensions. Springer Actuarial Lecture Notes Series.
- Denuit, M., Hainaut, D., Trufin, J. (2020). Effective Statistical Learning Methods for Actuaries II: Tree-based Methods and Extensions. Springer Actuarial Lecture Notes Series.
- Denuit, M., Hainaut, D., Trufin, J. (2019). Effective Statistical Learning Methods for Actuaries III: Neural Networks and Extensions. Springer Actuarial Lecture Notes Series.
Support(s) de cours
- Université virtuelle
Autres renseignements
Campus
Plaine
Evaluation
Méthode(s) d'évaluation
- Examen oral
- Travail de groupe
Examen oral
Travail de groupe
Travail de groupe pour les deux parties (tarification a priori (partie 1) et théorie de la crédibilité (partie 2)).
Construction de la note (en ce compris, la pondération des notes partielles)
Travail de groupe: 100%.
Langue(s) d'évaluation
- français